- 综合排序
- 最热优先
- 最新优先
【Multi-agent实战】教你如何用Multi-agent分析开源Github项目
构建 model 和指定 dataset（比如 CelebDF-v2 / DFDC / 自建） # 3. load_state_dict # 4. config for kk in keys[:-1]: d = d.setdefault(kk, {}) d[keys[-1]] = v # 3. 下一步就是把它们塞进 Multi-Agent 工作流里。 训练与验证表现（包含 best_val_auc）3. 跨数据集评估结果（用表格展示各数据集 AUC/EER/AP）4. 特征可视化分析（引用 tsne 图像路径）5. 如果你把这套东西写进简历 / 博客，面试官很可能会问：你为什么要用 Multi-Agent / LangGraph，而不是一个脚本搞定？Multi-Agent 带来的真实价值是什么？
49720编辑于 2025-11-23- 来自专栏架构驿站
Multi-Agent ，知多少？
行为和推理之间存在着紧密的协同联系，这对于 AI Agent 快速学习新任务非常有帮助。此外，AI Agent 还需要推理能力来修改他们的计划，同时考虑到新的反馈或学到的信息。 3、Tools 与 Prompt 和 Memory 相比，Tools 则是 AI Agent 施展能力和发挥专长的载体，其可以是功能强大的 API、数据分析模型、知识库查询服务等等， 此外，复杂环境下的决策往往需要各种异构智能算法模型的协同配合，而封闭的 Single-Agent 系统难以灵活整合不同AI范式，无法充分挖掘多元异质智能的协同潜能，解决复杂问题的能力相对有限。 Multi-Agent 系统灵活可扩展的特性，使其可以更容易地适应不断变化的复杂业务环境和需求。 Multi-Agent 系统系统固有的分布式特征还赋予了它天然的容错性和健壮性。 具体： 在运输和交通管理领域，Multi-Agent 系统可将复杂的交通网络分解为多个可协作的代理模块，如交通流量代理、路径规划代理、事故预警代理等，通过彼此的紧密协同，实现对整个交通系统的精细化智能管控和动态优化
2K10编辑于 2024-11-01 【Multi-Agent实战】如何用 LangChain 打造一个 Multi-Agent 实战项目
【Multi-Agent】一、如何用LangChain打造一个Multi-Agent实战项目这篇就是给已经玩过LangChaintools+Agent的同学看的进阶篇：你已经玩过time/weather 这种自定义工具；也看过AgentType.CHAT_ZERO_SHOT_REACT_DESCRIPTION一路Thought/Action/Observation的DebugLog；但一到Multi-Agent
55710编辑于 2025-12-16【Multi-agent实战】LangGraph 实现可视化的科研 Multi-Agent实战项目
用 【Multi-agent实战】LangGraph 实现可视化的科研 Multi-Agent实战项目✍ 前言上一篇我们搞了一个「科研 Multi-Agent 小队」：Supervisor 当老板；PaperHunter 这一篇，我们就把上一篇的科研 Multi-Agent —— 迁移到 LangGraph 上，用“图”的方式组织 Agent。 一、为什么要用 LangGraph 来做 Multi-Agent？ 数据集与预处理策略\n" "3. 模型与关键超参数\n" "4. 预估训练时间（粗略即可）\n" "5. 六、面经角度：围绕 LangGraph + Multi-Agent 怎么吹？给你几段可以直接背的回答。Q1：你在项目里是怎么管理 Multi-Agent 的流程的？为什么选 LangGraph？ Q3：如果后续要在这个科研 Multi-Agent 里加入“在线强化学习 / 评分器调整策略”，LangGraph 还能 hold 住吗？
94210编辑于 2025-11-22- 来自专栏企鹅号快讯
VAIN：Attentional Multi-agent Predictive Modeling
VAIN: Attentional Multi-agent Predictive Modeling[J]. arXiv preprint arXiv:1706.06122, 2017.
1.3K70发布于 2018-01-09 【Multi-Agent实战】如何用 LangChain 打造一个 Multi-Agent 实战项目
【Multi-Agent】一、如何用 LangChain 打造一个 Multi-Agent 实战 ✍ 前言 这篇就是给已经玩过 LangChain tools + Agent 的同学看的进阶篇： 你已经玩过 “Multi-Agent 和平时的 Tools 调用有什么本质区别？” 这样既复用你对 tools + Agent 的理解，又自然过渡到 Multi-Agent 体系。 date.today()) date_str = today else: city, date_str = parts[0], parts[1] # 3. {}) w = city_weather.get(city, "未知") return f"{date_str} {city} 的天气情况为：{w}" # ========= 3.
2.3K10编辑于 2025-11-23【Multi-agent】智能科研助手实战项目
从 0 组建你的 AI 科研小队：Multi-Agent 帮你做文献调研 + 实验规划✍ 前言很多科研工作者肯定都吐槽过：「文献太多看不完、实验方案想不清楚、写总结又很痛苦。」 但反过来想：这些事情，其实都可以拆成一堆「标准化的小任务」，非常适合交给 Multi-Agent AI 科研小队 来做。 这篇就带你搞一个科研向 multi-agent 实战项目：场景： 想做一个「CLIP 在伪造检测 / 多模态安全」方向的小综述 + baseline 实验规划；目标： 让一组 Agent 帮你：自动搜集相关论文 相关工作简要对比（按论文列点）\n" "3. 适合在我本地跑的 baseline 方案\n" "4. 3.
68910编辑于 2025-11-22【Multi-agent实战】 AI理财顾问实战项目
用 LangGraph 搭一个基金分析 Multi-Agent：给你打工人的「AI 理财顾问」✍ 前言上一篇我们用 LangGraph 搭了科研 Multi-Agent，这一篇换个更接地气的场景： “我每个月就能拿出 这就是一个很适合 Multi-Agent 的场景：把「信息搜集 → 指标计算 → 风险评估 → 资产配置建议 → 生成报告」 拆给不同的 Agent，最后 LangGraph 把流程编排成一张图。 按风险等级分类的基金列表（列出代码、名称、年化收益、最大回撤、风险等级）\n" "3. 用条目列出 3~5 条风险提示（比如：历史收益不代表未来，短期波动等）。\n" "5. 在最后强调：本报告仅为 AI 示例，不构成任何投资建议。 [FundDataAnalyst] computed metrics for 3 funds.[RiskProfiler] evaluated risk for 3 funds.
63200编辑于 2025-11-22Multi-Agent 技术原理与落地场景全解析
它的核心价值在于 “分工提效、协同补能”，而非简单将多个 AI 凑在一起。要实现高效协作，离不开四大核心机制： 1. 3. 3. 主从式协作 1 个主 Agent 负责规划协调，多个从 Agent 执行子任务（如主 Agent 拆解项目，从 Agent 分别负责不同模块）。 3. 工业制造 通过监测 Agent、诊断 Agent、规划 Agent、执行 Agent 协同，实现设备运维自动化。某汽车工厂应用后，设备利用率从 72% 提升至 89%，能耗降低 15%。 4. 自动驾驶 车、路、云智能体实时协同，百度 Apollo 框架让复杂路口通行效率提升 40%，紧急制动响应时间缩短至 0.2 秒。 6.
1.4K10编辑于 2025-12-31- 来自专栏人工智能与演化计算成长与进阶
16推荐系统3-4协同过滤算法
参考资料 斯坦福大学 2014 机器学习教程中文笔记 by 黄海广 16.3 协同过滤 Collaborative filtering 推荐系统有一个很有意思的特性就是 特征学习 ，即 自行学习所要使用的特征 Note 对于上述电影推荐系统的问题仅仅建立在每位用户都对数个电影进行了评价，并且每部电影都被数位用户评价过的情况下，这样才能重复这个迭代过程来估计出 和 协同过滤算法 指的是当你执行算法时，要观察大量的用户的实际行为来协同地得到更佳的每个人对电影的评分值 把这两个特点结合起来就能得到真正的协同过滤算法。 如果你有电影的特征，你就可以解出以下的最小化问题，找到用户参数 ? 协同过滤算法可以同时学习这两者。我们的优化目标便改为同时针对 x 和 θ 进行。 ? 协同过滤算法使用步骤： 初始 x(1),x(2),...,x(nm)，θ(1),θ(2),...
89711发布于 2020-08-14 - 来自专栏码
传统Workflow与Multi-Agent workflow的区别
这也就意味着，我们需要让我们的工作系统，既支持multi-agent workflow模式，也支持在传统workflow模式中把agent作为节点的能力。 multi-agent本身实际上也是一个复合agent，因此，也可以作为传统workflow的节点。
1.1K10编辑于 2024-06-12 Multi-Agent 系统正在杀死传统产品经理
他接着说："我们刚上线的Multi-Agent系统，8个AI智能体协作，15分钟就能完成一个产品经理一周的工作量。" ！ 可见，Multi-Agent系统正在重塑整个产品开发生态，而大多数产品经理还浑然不觉。 设计Agent不甘示弱："我已经生成了3套UI方案，分别针对年轻用户、价格敏感用户、品牌忠诚用户。" 开发Agent直接甩出代码："后端接口已经写好，支持弹性扩容，前端组件也封装完毕。" 它们之间的协作不是简单的任务分发，而是基于深度理解的智能协同！ 当AI开始质疑人类的专业性 Multi-Agent系统的核心武器是知识库，但这也是最让专业人士不安的地方。 越来越多的企业发现，Multi-Agent系统不仅能提高工作效率，还能带来质的提升。
14710编辑于 2026-02-02【Multi-agent实战】 AI论文秘书实战项目
这篇文章，我们不谈「怎么读论文」， 而是带你 从零搭一个论文精读 Multi-Agent 系统，让 LangGraph 来做这些事：帮你筛论文：从一堆候选中选出“值得精读 / 有复现价值”的；帮你结构化做笔记 我们先把「论文精读」拆到 Multi-Agent 的粒度：PaperCollector Agent（论文收集）输入：研究方向（例如 “generalizable deepfake detection” / “multi-agent RL for LLM”）输出：一组候选论文的元数据（标题、作者、年份、来源、链接）PaperTagger Agent（论文打标签）把每篇论文分到几个维度：任务类型：检测 / Annotated[List[PaperMeta], operator.add] # 2) 标签结果 tags: Annotated[List[PaperTag], operator.add] # 3) \n" "3. 每一节前用 emoji 做小标题，比如： 方法、 实验。\n" "4. 假设读者是已经有深度学习基础的研究生，不用讲太基础的概念。
64000编辑于 2025-11-22Multi-Agent系统Harness Engineering架构的思考与实践
能力在增长，但增长的方式是模型能力与agent能力的协同进化，模型的推理能力是agent驱动的核心，但是推理能力得以产生价值需要结合对应的harness来提供发挥的环境和良好运行保障。 FC3任务验证缺失占23.50%。三种模式：过早终止（FM-3.1，7.82%）、不完整验证（FM-3.2，6.82%）、错误验证（FM-3.3，6.66%）。 所我们可以看到强如opus4.6这样的模型，在使用multi-agent架构完成复杂任务上，也需要投入大量精力在Harness上。 agentharnessengineering的核心架构设计为四层，将MASharness分解为知识供给、执行编排、风险门控、治理运营四个职责边界清晰的功能层，以全链路观测采集信号，以经验通道将轨迹沉淀定向反哺，三者协同发挥作用 研究数据：调试多agent系统所花费的时间是单agent的3–5倍，工程团队40%的sprint时间可能都花在排查agent行为上，而不是构建新功能。
2.7K41编辑于 2026-03-13- 来自专栏数商云贸
以数字化转型为契机，3C企业如何通过SRM业务协同平台实现高效协同？
目前，中国3C市场已进入稳定发展期。预计随着生活水平的提高和消费者对产品性能的追求，中国3C产品的消费将不断升级。中国3C品牌消费之路，机遇与挑战并存。 平台的预测协同、计划排程协同可以帮助改善零部件的到货及时率，使供应链朝向柔性发展。 方案3：完善评价体系，细化供应商绩效管理数商云SRM业务协同平台为企业建立了统一规范的供应商评价体系。在供应商基本信息的基础上，增加了供应商供货能力、合同履约能力、产品质量等多维数据。 ，难消化高并发订单，成本居高不下，效益增长慢；（3）业务协同效率低：缺少体系的供应链服务，无法发挥产业链资源优势，协同效率低，影响品牌价值输出。 (1)提供招投标、询价、现货等采购交易场景；(2)支持多订单协同管理，电子合同，大额支付等；(3)支持多种结算对账模式。
66520编辑于 2022-07-27 - 来自专栏AIGC新知
Multi-agent mode实践 | 用coze手捏一个bot
开发 AI chatbot（短视频爆款案例）初探 从0到1 | 使用coze国内版部署飞书bot机器人、豆包智能体 使用coze国内版部署企业微信客服【方舟智能】 今天这篇文章着重学习一下coze的Multi-agent Multi-agent概述 Agent（此处翻译为智能体）是可以独立执行任务的智能实体。在 Coze 中开发机器人时，默认使用单agent模式。 您可以单击<图标以折叠此面板 面板 3：中间是画布，您可以在其中添加和连接代理。 面板 4：右侧是“预览”面板，可在其中测试机器人是否按预期运行，并检查运行详细信息以进行调试。
3.3K10编辑于 2024-10-08 - 来自专栏前端达人
第11课：Multi-Agent 实战，并行编排的5种模式
API 接口全景：找到所有接口定义和路由配置 (thoroughness: quick) 3.
500编辑于 2026-04-15 - 来自专栏YesDev研发协同工具
推荐3款好用的甘特图软件（免费+在线协同+Excel导出）
Excel导出的文件效果，如：YesDev项目甘特图(3月16日).xlsx。包含：项目甘特图 工作量(小时) 负责人 开始日期 完成日期 进度(%) 日期 等。 第3款：boardmix白板工具的项目甘特图 boardmix是一个灵活的白板工具，也包含了甘特图的模板，但不好找，因为模板名称叫：项目计划，不叫甘特图。
4.6K10编辑于 2024-03-20 腾讯云智能体开发平台助力小虫科技落地教育AI智能体实践
聚焦教育场景协同与个性化伴学需求 教育领域面临多场景协同（家校社）、24小时服务响应、个性化学习支持、学生心理疏导等核心需求。 小虫科技联合腾讯云打造教育AI智能体解决方案 小虫科技基于腾讯云智能体开发平台（提供RAG、Workflow、Agent框架、Multi-Agent协同能力），专项打造教育AI智能体： 产品形态：C 端App（教育宝、翼校通）、微信公众号、企业号，基于企业微信生态的K12教育信息化平台； 核心功能：信息科技小助手（多Agent协同解题）、AI个性化学伴（双模式答疑、多模态拍题）、教育智能体协同进化 （数字人答疑、班级小助理、心理疏导机器人）、机房分时复用AI自习室； 区域案例：湖州“湖小问”数字人（24小时在线、家校社协同）、衢州“南孔AI学”（腾讯混元x智能体平台x知识库x Multi-Agent 选择腾讯的核心能力与生态支撑 腾讯提供技术确定性与生态集成力： 平台能力：腾讯云智能体开发平台含RAG框架（图文表解析效果领先）、WorkFlow（17个画布节点编排）、Multi-Agent（多Agent
24420编辑于 2026-04-07- 来自专栏CDN及云技术分享
高效协同开发
假设服务机器开通sambas服务端口，并且windows防火墙允许访问。这时候可以在windows打开网盘一样，打开sambas共享的服务器文件夹，把代码工程放置于共享网盘，用IDE打开网盘文件夹的代码工程。
1.8K271发布于 2019-10-15
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号